Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático

El propósito de la presente investigación, es el desarrollo teórico del análisis causal de las anomalías de los datos, teniendo en cuenta el gran volumen de datos que existen en la Administración Pública, especialmente en las administraciones tributarias, demostrando que los procesos metodológicos d...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Sottile, Antonio, Cavaller, Daniel Guillermo, Sosa, Héctor Nicolás, Silva, Diego, Ortega Yubro, Cristian Darío, Azcurra, Norma Lidia
Formato:	documento de conferencia Documento de conferencia acceptedVersion
Lenguaje:	Español
Publicado:	2018
Materias:	Bases de datos Administración pública Corrección de errores Anomalía de los datos Aprendizaje automático Minería de datos Corrección de datos
Acceso en línea:	http://bdigital.uncu.edu.ar/11906
Aporte de:	Biblioteca Digital de Universidad Nacional de Cuyo

id	I11-R811906
record_format	dspace
institution	Universidad Nacional de Cuyo
institution_str	I-11
repository_str	R-8
collection	Biblioteca Digital
language	Español
orig_language_str_mv	spa
topic	Bases de datos Administración pública Corrección de errores Anomalía de los datos Aprendizaje automático Minería de datos Corrección de datos
spellingShingle	Bases de datos Administración pública Corrección de errores Anomalía de los datos Aprendizaje automático Minería de datos Corrección de datos Sottile, Antonio Cavaller, Daniel Guillermo Sosa, Héctor Nicolás Silva, Diego Ortega Yubro, Cristian Darío Azcurra, Norma Lidia Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
topic_facet	Bases de datos Administración pública Corrección de errores Anomalía de los datos Aprendizaje automático Minería de datos Corrección de datos
description	El propósito de la presente investigación, es el desarrollo teórico del análisis causal de las anomalías de los datos, teniendo en cuenta el gran volumen de datos que existen en la Administración Pública, especialmente en las administraciones tributarias, demostrando que los procesos metodológicos de la Minería de Datos y Aprendizaje Automático contribuyen a evidenciar indicios de ilícitos y hechos de corrupción, a través de la aplicación de algoritmos. Objetivos: • Detectar anomalías en los datos provenientes de bases de datos múltiples, y las inconsistencias de los datos no tradicionales, sean de origen interno y de origen externo a la organización, en este caso, una Administración Tributaria; • Analizar las causales de las anomalías y clasificarlas, segregando aquellas causales que manifiesten indicios de ilícitos y hechos de corrupción, del resto de las causales de las imperfecciones en los datos de las bases de datos múltiples y en los datos no tradicionales; • Corregir solamente las anomalías en los datos que puedan aseverarse que su causal de inconsistencia no responde a indicios de ilícitos y hechos de corrupción, para lograr la mayor calidad de los datos bajo análisis con el propósito de garantizar optimizar los modelos, en virtud de los objetivos planteados para la Minería de Datos; • Utilizar el conocimiento adquirido de la aplicación de los modelos, para inducirlo en los procesos metodológicos del Aprendizaje Automático, y redefinir los procesos y procedimientos de la organización de una Administración Tributaria, con los procesos metodológicos de la Minería de Procesos, como segunda instancia.
format	documento de conferencia Documento de conferencia Documento de conferencia acceptedVersion
author	Sottile, Antonio Cavaller, Daniel Guillermo Sosa, Héctor Nicolás Silva, Diego Ortega Yubro, Cristian Darío Azcurra, Norma Lidia
author_facet	Sottile, Antonio Cavaller, Daniel Guillermo Sosa, Héctor Nicolás Silva, Diego Ortega Yubro, Cristian Darío Azcurra, Norma Lidia
author_sort	Sottile, Antonio
title	Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
title_short	Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
title_full	Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
title_fullStr	Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
title_full_unstemmed	Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
title_sort	corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático
publishDate	2018
url	http://bdigital.uncu.edu.ar/11906
work_keys_str_mv	AT sottileantonio correcciondedatosimperfectosenbasesdedatosmultiplesanomalasabiertasypublicasmedianteaprendizajeautomatico AT cavallerdanielguillermo correcciondedatosimperfectosenbasesdedatosmultiplesanomalasabiertasypublicasmedianteaprendizajeautomatico AT sosahectornicolas correcciondedatosimperfectosenbasesdedatosmultiplesanomalasabiertasypublicasmedianteaprendizajeautomatico AT silvadiego correcciondedatosimperfectosenbasesdedatosmultiplesanomalasabiertasypublicasmedianteaprendizajeautomatico AT ortegayubrocristiandario correcciondedatosimperfectosenbasesdedatosmultiplesanomalasabiertasypublicasmedianteaprendizajeautomatico AT azcurranormalidia correcciondedatosimperfectosenbasesdedatosmultiplesanomalasabiertasypublicasmedianteaprendizajeautomatico
bdutipo_str	Repositorios
_version_	1764820402568167425

Corrección de datos imperfectos en bases de datos múltiples, anómalas, abiertas y públicas mediante aprendizaje automático

Ejemplares similares